如果我要问的问题听起来很愚蠢,请原谅我,我刚刚开始使用 Python 中的 numpy 和多维数组:D
就是说,我有一个 [85 x 235 x 327] 的 3D 数组。每个位置都有一个离散值,在大多数情况下为 NaN。
我想做的第一件事是迭代这个数组并删除 NaN 值,构建一个只包含有效值的新数组。
我已经试过了:
for index,value in np.ndenumerate( data ):
print "index value: " + str(index)
print "value: " + str(value)
但这只会执行一次...不太确定 ndenumerate 做了什么。
也试过这个:
indexOne = waves.shape[0]
indexTwo = waves.shape[1]
indexThree = waves.shape[2]
for i in range(indexOne):
for j in range(indexTwo):
for k in range(indexThree):
a = waves[i,j,k]
print a.data
虽然这确实会迭代......考虑到我有 6531825 点......这将永远......因此,是否有任何内置函数可以从现有数组中删除值而不必迭代所有元素?
请您参考如下方法:
这在一定程度上取决于您希望最终数组的外观。这是字面意思的东西。但是,它不会保留形状。设置数组:
>>> a = numpy.linspace(0, 26, 27).reshape(3, 3, 3)
>>> a[1][0] = numpy.nan
>>> a
array([[[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., 8.]],
[[ nan, nan, nan],
[ 12., 13., 14.],
[ 15., 16., 17.]],
[[ 18., 19., 20.],
[ 21., 22., 23.],
[ 24., 25., 26.]]])
然后你可以用isnan创建一个掩码:
>>> numpy.isnan(a)
array([[[False, False, False],
[False, False, False],
[False, False, False]],
[[ True, True, True],
[False, False, False],
[False, False, False]],
[[False, False, False],
[False, False, False],
[False, False, False]]], dtype=bool)
并用它来索引a:
>>> a[~numpy.isnan(a)]
array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 12., 13.,
14., 15., 16., 17., 18., 19., 20., 21., 22., 23., 24.,
25., 26.])
您可以使用类似的技巧对 nan 值执行许多其他操作。例如:
>>> a[numpy.isnan(a)] = 0
>>> a
array([[[ 0., 1., 2.],
[ 3., 4., 5.],
[ 6., 7., 8.]],
[[ 0., 0., 0.],
[ 12., 13., 14.],
[ 15., 16., 17.]],
[[ 18., 19., 20.],
[ 21., 22., 23.],
[ 24., 25., 26.]]])
